植被指数-RVI、NDVI、DVIEVI、GVI、PVI、EVI
植被指数-RVI、NDVI、DVIEVI、GVI、PVI、EVI
- 植被指数
- 基本信息
- 基本简介
- 指数特点
- 研究对象
- RVI——比值植被指数
- NDVI——归一化植被指数
- DVIEVI——差值环境植被指数
- 土壤调整植被指数
- GVI——绿度植被指数
- PVI——垂直植被指数
- EVI——增强型植被指数
植被指数
利用卫星不同波段探测数据组合而成的,能反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性,在近红外波段有很强的反射特性,这是植被遥感监测的物理基础,通过这两个波段测值的不同组合可得到不同的植被指数。差值植被指数又称农业植被指数,为二通道反射率之差,它对土壤背景变化敏感,能较好地识别植被和水体。
基本信息
基本简介
该指数随生物量的增加而迅速增大。比值植被指数又称为绿度,为二通道反射率之比,能较好地反映植被覆盖度和生长状况的差异,特别适用于植被生长旺盛、具有高覆盖度的植被监测。归一化植被指数为两个通道反射率之差除以它们的和。在植被处于中、低覆盖度时,该指数随覆盖度的增加而迅速增大,当达到一定覆盖度后增长缓慢,所以适用于植被早、中期生长阶段的动态监测。蓝光、红光和近红外通道的组合可大大消除大气中气溶胶对植被指数的干扰,所组成的抗大气植被指数可大大提高植被长势监测和作物估产精度。
指数特点
植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标,各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识:
1.健康的绿色植被在NIR和R的反射差异比较大,原因在于R对于绿色植物来说是强吸收的,NIR则是高反射高透射的
2.建立植被指数的目的是有效地综合各有关的光谱信号,增强植被信息,减少非植被信息
3.植被指数有明显的地域性和时效性,受植被本身、环境、大气等条件的影响
研究对象
RVI——比值植被指数
RVI=NIR/R,或两个波段反射率的比值。
1.绿色健康植被覆盖地区的RVI远大于1,而无植被覆盖的地面(裸土、人工建筑、水体、植被枯死或严重虫害)的RVI在1附近。植被的RVI通常大于2;
2.RVI是绿色植物的灵敏指示参数,与LAI、叶干生物量(DM)、叶绿素含量相关性高,可用于检测和估算植物生物量
3.植被覆盖度影响RVI,当植被覆盖度较高时,RVI对植被十分敏感;当植被覆盖度<50%时,这种敏感性显著降低;
4.RVI受大气条件影响,大气效应大大降低对植被检测的灵敏度,所以在计算前需要进行大气校正,或用反射率计算RVI。
NDVI——归一化植被指数
NDVI=(NIR-R)/(NIR+R),或两个波段反射率的计算。
1.NDVI的应用:检测植被生长状态、植被覆盖度和消除部分辐射误差等;
2.-1<=NDVI<=1,负值表示地面覆盖为云、水、雪等,对可见光高反射;0表示有岩石或裸土等,NIR和R近似相等;正值,表示有植被覆盖,且随覆盖度增大而增大
3.NDVI的局限性表现在,用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象,分别求RVI和NDVI时会发现,RVI值增加的速度高于NDVI增加速度,即NDVI对高植被区具有较低的灵敏度;
4.NDVI能反映出植物冠层的背景影响,如土壤、潮湿地面、雪、枯叶、粗糙度等,且与植被覆盖有关
DVIEVI——差值环境植被指数
DVI=NIR-R,或两个波段反射率的计算。
1.对土壤背景的变化极为敏感
土壤调整植被指数
SAVITSAVIMSAVI——调整土壤亮度的植被指数:SAVI=((NIR-R)/(NIR+R+L))(1+L),或两个波段反射率的计算。
1.目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比,增加了根据实际情况确定的土壤调节系数L,取值范围0~1。L=0 时,表示植被覆盖度为零;L=1时,表示土壤背景的影响为零,即植被覆盖度非常高,土壤背景的影响为零,这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。
2.SAVI仅在土壤线参数a=1,b=0(即非常理想的状态下)时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI3、SAVI4等改进模型。
小结:上述几种VI均受土壤背景的影响大。植被非完全覆盖时,土壤背景影响较大
GVI——绿度植被指数
k-t变换后表示绿度的分量。
1.通过k-t变换使植被与土壤的光谱特性分离。植被生长过程的光谱图形呈所谓的"穗帽"状,而土壤光谱构成一条土壤亮度线,土壤的含水量、有机质含量、粒度大小、矿物成分、表面粗糙度等特征的光谱变化沿土壤亮度线方向产生。
2.kt变换后得到的第一个分量表示土壤亮度,第二个分量表示绿度,第三个分量随传感器不同而表达不同的含义。如,MSS的第三个分量表示黄度,没有确定的意义;TM的第三个分量表示湿度。
3.第一二分量集中了>95%的信息,这两个分量构成的二位图可以很好地反映出植被和土壤光谱特征的差异。
4.GVI是各波段辐射亮度值的加权和,而辐射亮度是大气辐射、太阳辐射、环境辐射的综合结果,所以GVI受外界条件影响大。
PVI——垂直植被指数
在R-NIR的二维坐标系内,植被像元到土壤亮度线的垂直距离。PVI=((S R-VR)2(SNIR-VNIR)2)1/2,S是土壤反射率,V是植被反射率。
1.较好地消除了土壤背景的影响,对大气的敏感度小于其他VI
2.PVI是在R-NIR二维数据中对GVI的模拟,两者物理意义相同
3.PVI=(DNnir-b)cosq-DNr´sinq,b是土壤基线与NIR截距,q是土壤基线与R的夹角。
EVI——增强型植被指数
增强型植被指数(Enhanced Vegetation Index,即EVI)计算公式为:
植被指数
ρNIR、ρRED和ρBLUE分别代表近红外波段、红光波段和蓝光波段的反射率。
植被指数-RVI、NDVI、DVIEVI、GVI、PVI、EVI相关推荐
- GEE:指数计算(NDVI、NBR、EVI、NDMI、NDSI、TC、NDFI、EBBI、VCI、BSI、NDBI)
本文记录了,使用 Landsat 光学波段计算指数的方法和代码,包括NDVI.NBR.EVI.NDMI.NDSI.TC变化(绿度.亮度.湿度).NDFI.EBBI.VCI等指数. 文章目录 一.代码框 ...
- Python遥感图像处理应用篇(十二):Arcpy批量计算比值植被指数RVI
1.比值植被指数RVI 公式:RVI=TM4/TM3(Landst5-7) RVI=TM5/TM4(Landst8-9) RVI=NIR/R NIR是近红外波段,R是红光波段的反射率.对于浓密植物 ...
- 2000-2022年逐年归一化植被指数(NDVI)数据(全国/分省/分市)
NDVI,全名为Normalized Difference Vegetation Index,中文名称为归一化植被指数.这个指数可以用来定性和定量评价植被覆盖及其生长活力,我们也可以简单地将它理解为体 ...
- 中国生长季1KM植被指数(NDVI)空间分布数据集
植被指数(NDVI, Normalized Difference Vegetation Index)可以准确反映地表植被覆盖状况.目前,基于SPOT/VEGETATION以及MODIS等卫星遥感得到 ...
- Google Earth Engine(GEE)——计算NDVI\EVI\RVI\DVI\SAVI计算并下载(2)
有粉丝还问到关于Landsat8如何计算,上一次的文章提到了关于各类植被指数的下载和加载:Google Earth Engine(GEE)--计算NDVI\EVI\RVI\DVI\SAVI归一化植被指 ...
- Google Earth Engine ——MOD13A1 /A2V6产品在每个像素的基础上提供植被指数(VI)值(NDVI和EVI)
MOD13A1 V6产品在每个像素的基础上提供植被指数(VI)值.有两个主要的植被层.第一个是归一化植被指数(NDVI),它被称为现有的国家海洋和大气管理局-先进的甚高分辨率辐射计(NOAA-AVHR ...
- VI,NDVI,EVI
引用 1.植被指数VI 根据波段间的比值运算能够提取植被的算法,称为植被指数(Vegetation Index,VI). 植被指数有归一化植被指数(NDVI,Normalized Vegetation ...
- NDVI等植被相关指数
一.基础概念 NDVI(Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数),植被覆盖指数.也称为生物量指标变化,可使植被从水和土的图像 ...
- Python遥感图像处理应用篇(十):使用NDVI指数批量计算叶面积指数LAI
1.叶面积指数概念 叶面积指数(leaf area index, LAI)不同资料显示定义有所不同,有的说是指单位地面上的绿叶面积,是植被冠层最显著的特征之一,具体是指一定土地面积上植物叶面面 ...
- 遥感中常用的植被指数
遥感中常用的植被指数 归一化差异植被指数 (NDVI) 增强植被指数 (EVI) 叶面积植被指数(LAI) 土壤含水量(SWC) 微波植被光学厚度(VOD) 归一化差异植被指数 (NDVI) 其值的范 ...
最新文章
- 第 19 章 XML映射
- 全球及中国盘式削片机行业运营模式与“十四五”投资规划建议报告2022-2027年版
- python:第一个简单爬虫程序
- 【安全】LDAP是轻量目录访问协议,英文全称是Lightweight Directory Access Protocol
- pycharm的下载,安装及首次启动
- 【工具推荐】SSH客户端工具推荐
- 饥荒海难创建显示专用服务器,饥荒联机版服务器移除实体指令分享
- 《东周列国志》第十四回 卫侯朔抗王入国 齐襄公出猎遇鬼
- 如何用windows系统自带的截图工具截图
- python连接wifi的模块--pywifi介绍
- JavaWeb--RequestResponse
- 【转载】8B/10B Encode/Decode详解
- 前端知识点整理(待续)
- 数据库SQL(二):View(视图)详细
- 给 iOS 开发者的 Sketch 入门教程
- JAD反编译tricks
- 计算机考研复试——编程语言篇
- 河南ISO14001环境管理体系认证流程是什么?
- 32位系统和64位系统的区别
- CLIP:Contrastive Language-Image Pre-Training
热门文章
- linux记账软件下载,速手记账app安卓版下载-速手记账软件官方版v1.1.7-Linux公社
- 新移动硬盘 测试软件,西部数据移动硬盘检测工具WD Drive Utilities 2.0.0.54中文免费版...
- Qt QTableView样式设置
- JS字符串转json,json转字符串
- kotlin教程(一)
- SQL Server 添加字段 修改字段 删除字段 语句
- matlab 二元函数 定义,实验五用matlab求二元函数及极值.doc
- matlab求解极限问题(limit函数的用法)
- Log4j漏洞及解决方案,亲测
- Android直播带货app源码——直播推流SDK